StockGPT: modelagem autorregressiva de retornos para carteiras de ações

Resumo

O StockGPT trata os retornos diários de ações como sequências de tokens numéricos e treina um modelo autorregressivo para prever retornos futuros. Seu mecanismo de atenção busca aprender padrões temporais diretamente do histórico de retornos, sem precisar especificar manualmente sinais convencionais baseados em preços. O artigo avalia as previsões usando carteiras compradas e vendidas, rebalanceadas diariamente ou mensalmente.

A avaliação relatada usa um período reservado para teste e conclui que as carteiras baseadas no modelo abrangem momentum e efeitos de reversão tanto de curto quanto de longo prazo. Os autores também relatam alfas estatisticamente significativos em relação aos principais fatores do mercado de ações. Esses resultados sugerem que o modelo pode capturar padrões de retorno além dos benchmarks selecionados. A descrição fornecida não apresenta detalhes da construção das carteiras, métricas de desempenho ajustadas ao risco, custos de transação nem testes além da amostra indicada. Portanto, não estabelece como a abordagem se sairia em outros períodos ou após os custos de implementação.

Ideias principais

• O StockGPT modela retornos de ações como sequências de tokens em uma tarefa de previsão autorregressiva.
• Seu mecanismo de atenção aprende padrões a partir do histórico de retornos sem sinais de preço projetados manualmente.
• Carteiras compradas e vendidas formadas com suas previsões são testadas com rebalanceamento diário e mensal.
• O artigo relata exposição a padrões de momentum e reversão, além de alfas significativos ajustados por fatores.

Tags

# StockGPT: A GenAI Model for Stock Prediction and Trading


# StockGPT: A GenAI Model for Stock Prediction and Trading









This paper introduces StockGPT, an autoregressive ``number'' model trained and tested on 70 million daily U.S.\ stock returns over nearly 100 years. Treating each return series as a sequence of tokens, StockGPT automatically learns the hidden patterns predictive of future returns via its attention mechanism. On a held-out test sample from 2001 to 2023, daily and monthly rebalanced long-short portfolios formed from StockGPT predictions yield strong performance. The StockGPT-based portfolios span momentum and long-/short-term reversals, eliminating the need for manually crafted price-based strategies, and yield highly significant alphas against leading stock market factors, suggesting a novel AI pricing effect. This highlights the immense promise of generative AI in surpassing human in making complex financial investment decisions.

Exibido na íntegra, com atribuição conforme a licença da fonte. Licença: abstract CC0

Este resumo foi escrito pelo agente de pesquisa da Stratmill com base no original; não é uma cópia da fonte.